kaggle 泰坦尼克号 （预测人员是否存活）

通过学习其他人的代码，了解整个预测过程，以下代码为他人代码。

登录kaggle中找到titantic 下载所用数据。如下：

gender_submission是最终提交形式，只包含两列：人员编号、是否存活

test为测试数据，train为训练数据

使用jupyter notebook进行作业

首先导入所需要的基本库，（并非所有，后面还会需要导入其他库）

matplotlib inline的存在可以不需要再添加plt.show()即可将图像显示出。

导入数据

其中pd.read_csv中的index_col=0意为指定文件中的第一列为索引，pd.concat是将两个文件进行连接，使其成为一个整体。这里是将训练数据和测试数据进行了连接。

查看数据信息     pd.info()

Survived:是否存活

Pclass:客舱等级

SibSp:旁系亲属

Parch:直系亲属

Ticket:票编号

Fare:票价

Cabin:客舱编号

Embarked:上船时的港口编号

我们可以看出，Age数据有缺失，Embarked数据有缺失

下面进行数据分析：

对存活率进行统计，.value_counts()是对所提取列数目进行统计

通过sns.barplot画出性别与存活的关系，发现女性比男性存活率高

客舱等级越高存活率越高

旁系亲属数量适中，存活率高

直系亲属适中，存活率高